基于小波包变换的暂态电能质量扰动信号分析

暂态电能质量问题在当今电能质量问题中变得越来越重要。针对暂态电能质量扰动信号,通过小波包变换对扰动信号进行时间定位和消噪并对产生数据加以比较,确定小波包变换能否对暂态电能质量信号进行有效的分析。以电压骤升、瞬态脉冲扰动信号为例,通过去噪来对暂态电能质量扰动信号进行小波包计算、分析和比较,结果表明:暂态电能质量扰动起止时刻是描述扰动的重要属性,并且证明了小波包变换是分析暂态电能质量信号的一种有效的方法。     

木材近红外光谱小波阈值去噪方法

采用小波分析对木材近红外光谱进行阈值去噪研究,分别采用硬阈值、固定阈值、最大最小阈值和rigsure阈值对光谱信号进行去噪.结果表明,小波变换可以有效去除光谱噪声,并很好地保留了信号中的尖锐和突变部分,在近红外光谱分析中具有很好的应用前景.     

基于小波变换的颗粒肥流量信号处理研究

针对在精准变量施肥中对排肥信号精度要求较高,受外界因素干扰较多导致排肥信号不精确的问题,本试验提出了对颗粒肥流量信号进行去噪处理的小波阈值去噪和小波包阈值去噪2种方法。为了验证2种方法的正确性,本研究以不易变形且摩擦力度小的大颗粒尿素为研究对象,利用排肥试验台对颗粒肥展开排肥试验;然后,利用微波多普勒传感器采集颗粒肥的流量信号;最后,通过2种去噪方法对多普勒信号进行仿真,结果表明:对信号进行多尺度小波变换后,低频小波分解重构可以更有效地去除噪声。     

基于EMD分解的拉曼光谱小波去噪方法

拉曼光谱中尖峰及其临近信号频率极高,常规去噪方法难以区分高频噪声与特征峰信号,所以拉曼光谱去噪一直是该领域内研究热点和难点。针对该问题,提出临界分量判别法,该方法通过计算经验模态分解(empirical mode decomposition,简称EMD)分量的归一化自相关函数,将固有模态分量(intrinsic mode function,简称IMF)划分为噪声主导分量和信号主导分量两部分。根据噪声主导分量和信号主导分量的不同特点,分别使用模极大值方法、软阈值滤波方法处理各分量的小波系数,实现光谱信号去噪。仿真数据去噪实验表明,小波去噪法(1、2阶IMF为噪声主导分量)去噪效果优于其他方法(1阶IMF为噪声主导分量,1、2、3阶IMF为噪声主导分量),说明临界分量判别法可以正确识别噪声主导分量和信号主导分量。光谱数据去噪实验表明,应用小波去噪法处理拉曼光谱,信噪比以及均方误差均优于对整条光谱进行模极大值、软阈值和空域相关方法去噪,光谱中噪声几乎得到了完全抑制,突变特征峰信号得到完整保留,获得了最优滤波效果。     

基于小波变换的语音去噪阈值函数的研究

目的小波去噪可以提高语音的信噪比,其中通过放宽阈值限制、加强小波系数的连续性,以及对小波系数较高的语音信号实现噪声与语音的分离可以增强语音去噪效果。方法基于一段信噪比为10dB的语音信号,采用不同的阈值函数,对该段语音进行小波去噪处理,比较各种阈值函数得到不同的去噪语音和各个阈值函数的特点。结果传统的硬阈值和软阈值得到的信噪比分别为11.57dB和10.91dB,软硬阈值折衷法得到的去噪语音信噪比12.70dB,模平方法得到的去噪语音信噪比为12.20dB,改进以后的软硬阈值折衷法和改进后的模平方法得到的去噪语音的信噪比分别为11.38dB和13.40dB,用降低阈值的方法得到的去噪语音信号的信噪比为11.68dB,新的阈值函数得到的去噪语音的信噪比为13.49dB。结论相比较软硬阈值折衷法,改进的模平方法和其它传统的方法,新阈值函数语音去噪可以取得更好的效果。     

基于小波去噪的加窗FFT电网谐波检测

提出一种基于小波去噪的软硬阈值改良折衷法与加布莱克曼窗的傅里叶变换算法相结合的谐波检测方法。该方法采用小波软硬阈值改良折衷法对含噪的电力谐波信号进行降噪处理,利用加布莱克曼窗的傅里叶变换算法对去噪后的信号进行分析,提取各次谐波的幅值和频率。仿真检测结果表明小波去噪后的谐波波形接近于原始信号谐波波形,信噪比提高了8.3226dB,小波去噪与FFT 结合的方法适合在谐波检测系统或装置中应用。     

小波域中的自适应模糊阈值图像去噪

对小波阈值去噪中的常用阈值和阈值函数进行分析,提出一种自适应的模糊阈值去噪算法,该算法在BayesShrink阈值基础上,通过增加一个修正因子,并结合模糊理论,自适应地对图像进行模糊阈值函数处理.实验表明该算法与BayesShrink软阈值函数去噪算法相比,去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高,并且图像也更清晰,具有较好的去噪效果.     

基于正交小波系数的阈值降噪法

依据信号与噪声小波变换系数的差异,提出的用阈值法去噪可以很好的使噪声得到抑制,且几乎保留了原始信号所有的特征点.本文详细阐述了小波分析信噪分离的基本原理和方法,通过仿真分析得到良好的效果,为信号去噪提供一条有效的途径.     

噪声图像分析及小波阈值去噪

不同的噪声图像经小波变换后系数分布是不一样的,针对图像特征和噪声特征,采取灵活的去噪策略会取得更好的去噪效果。本文通过实验对噪声图像及噪声的小波分解系数进行系统分析,提出小波阈值去噪中阈值的选择策略,并用实验验证了方法的有效性。     

一种改进的小波阈值去噪方法

为了改进滤波效果,提高去噪质量,在分析目前被广泛应用的软、硬阈值去噪方法的基础上,提出了一种改进的阈值去噪方法.该方法既兼顾了软、硬阈值函数的优点,同时又在一定程度上弥补了它们在图像去噪中的缺陷.有效克服了硬阈值法去噪信号失真的和软阈值法细节模糊现象.仿真结果表明:该方法可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比定量指标上均明显优于传统的软、硬阈值算法,达到良好的去噪效果.